基于对称视觉注意力网络的高效图像超分辨率
计算机视觉与模式识别
2024-01-18 v1 图像与视频处理
摘要
单图像超分辨率 (SISR) 算法的一个重要发展方向是提高算法效率。近期，高效超分辨率 (SR) 研究侧重于通过改进的深度小核卷积来降低模型复杂度并提高效率，但这导致感受野较小。大核卷积获得的大感受野可以显著提升图像质量，但计算成本过高。为改善高效超分辨率重建的重建细节，我们提出了一种应用大感受野的对称视觉注意力网络 (SVAN)。SVAN 将大核卷积分解为三种不同的卷积运算组合，并与注意力机制结合，形成对称大核注意力模块 (SLKAB)，该模块根据卷积组合中感受野的大小，形成具有瓶颈结构的对称注意力模块，作为 SVAN 的基本组件，有效提取深度特征。我们的网络在获得大感受野的同时，最大限度地减少了参数数量，并提高了模型的感知能力。实验结果表明，所提出的 SVAN 仅使用现有 SOTA 方法约 30% 的参数，即可获得高质量的超分辨率重建结果。
引用
@article{arxiv.2401.08913,
title = {Efficient Image Super-Resolution via Symmetric Visual Attention Network},
author = {Chengxu Wu and Qinrui Fan and Shu Hu and Xi Wu and Xin Wang and Jing Hu},
journal= {arXiv preprint arXiv:2401.08913},
year = {2024}
}
备注
13 pages,4 figures